2017.09.07

'빅데이터 분석으로 자살 위험 징후 찾는다' 호주 정신건강연구소

Brad Howarth | CMO
대부분 데이터 전문가가 성장을 견인하는 과업을 맡고 있지만, 반대로 증가를 억제하는 일을 하는 경우도 있다. 정신건강 연구 조직인 블랙 독 인스티튜트(Black Dog Institute) 산하 라이프스팬(LifeSpan)의 디렉터인 레이첼 그린은 데이터를 활용해 최근 몇 년간 급증하고 있고, 2015년 사상 처음으로 3,000이라는 숫자를 넘어선 문제를 해결하려 하고 있다. 이 문제는 바로 ‘자살’이다.



그린은 “통계의 숫자 하나하나가 모두 사랑하는 사람, 가족, 지인, 동료 등에 영향을 미치는 사람이다. 자살을 시도하는 사람은 더 많다. 한 해 자살 시도만 약 7만 1,000건에 달하는 것으로 추산한다. 매우 심각한 문제다. 또 자살이 사회에 미치는 영향은 몇십 년간 계속될 수 있다”고 말했다.

그린은 현재 연간 자살률을 20% 내린다는 목표로 데이터 중심의 노력을 주도하고 있다. 라이프스팬은 CRESP(Centre for Research Excellence in Suicide Prevention) 및 분석 기술 공급업체인 SAS와 함께 전세계 자살 방지 연구 결과의 효과를 분석했다. 그리고 9개의 자살 방지 전략을 수립했다.

그린은 “사망 감소, 자살 시도 감소, 기타 입증 가능한 보호 요소를 증가시키는 연구 결과들이었다. 이를 통합해 유의미한 프레임워크를 만들었다. 우리는 이를 통해 자살과 자살 시도를 각각 20%와 31% 감소시킬 수 있을 것으로 전망하고 있다”고 설명했다.

이질적인 데이터 소스를 통합
현재 NWS의 4개 테스트 장소에 라이프스팬이 배포되고 있다. 장소를 선택하고 라이프스팬을 구현하기 위해서는 검시소 데이터, NSW COPS(Computerized Operational Policing Systems) 데이터, 구급차 데이터, 병원 데이터 등 여러 소스의 데이터를 분석해야 한다.

그린은 “호주국립대학교(ANU)와 함께 10년간 이런 데이터를 코딩하고, 지리적으로 연결했다. 클러스터(자살자 군집)가 발생하는 장소를 정확히 찾을 수 있게 되었다는 의미다. 아주 강력한 정보다. 예를 들어, 여러 건의 자살 사건이 발생한 물리적 장소를 찾고, 증거를 토대로 자살 확률을 낮출 인프라를 개선할 기회를 생각해 낼 수 있다. 이를 ‘수단의 제한(Means restriction)’이라고 부른다. 가장 효과적인 자살 방지 전략 중 하나다”고 설명했다.

그린은 이런 방법으로 이질적인 데이터 소스를 통합해 증거에 대한 이해가 미흡한 문제를 극복한다고 밝혔다.

그녀는 “의료 당국과 지방 정부 기관들도 해당 지역에서 일어날 일에 대한 좋은 정보를 입수해 이용할 수 없었다. 우리는 데이터를 분석, 이를 지리적으로 연결한 후 해당 지역에서 일어날 일에 대한 보고서를 만든다. 그리고 증거 기반의 자살 방지 서비스 보급에 대한 정보와 결합한 후 이들이 할 수 있는 일에 대한 증거에 첨부시킨다”고 이야기했다.

프로그램의 또 다른 구성 요소는 설문조사를 통한 정보 수집이다. 대상자는 자살을 생각하고 있는 사람과 자주 접촉하는 고령자 요양 시설, 사회 복지 시설, 정신 건강 서비스 분야 종사자들이다.

그린은 “우리는 고용주와 서비스 공급자로부터 이런 종류의 데이터를 수집하고 싶다. 위험이 존재하는 장소, 전문가가 위치한 장소를 찾고, 이 장소가 동일한지 파악하기 위해서다. 예를 들어, 지역에 자살 방지 관리 그룹을 만들어 자살 방지를 위한 더 효과적인 계획을 수립하고, 대책을 도입하고, 해당 지역의 필요 사항에 맞는 계획을 발전시키기 위해서다”고 설명했다.

라이프스팬은 증거 기반 교육훈련 과정인 QPR을 추진하고 있다. 위험 징후가 있는 사람을 파악하고, 이를 돕는 기술을 육성하는 교육훈련 과정이다.

그린은 “심폐소생술(CPR)처럼 기본적인 사항과 방법을 알려준다”고 설명했다.

---------------------------------------------------------------
세상을 바꾸는 빅 데이터
->의료와 빅 데이터의 만남, "치료 효과 ↑ 재입원 ↓"
-> '의료IT+빅 데이터 분석' 10가지 실제 사례
-> '빅 데이터로 나무 문제 해결' 뉴욕 시의 사례
-> 빅 데이터가 그려내는 의료 서비스의 미래
-> '빅 데이터 분석으로 퇴역군인 자살 예방' 뒤르켐 프로젝트
->'도시 빈민가의 탈태환골' 미 버팔로 시의 빅 데이터 활용 사례
-> 5가지 전지구적 문제 '빅 데이터로 해결할 수 있을까?'
->고객 접촉부터 타깃 마케팅까지··· 유통기업을 바꾸는 '빅 데이터와 모바일'
->'빅데이터로 교통체증 완화'... 中 지린시의 실험
---------------------------------------------------------------

데이터 주도의 사고를 더 넓게 도입해 활용
라이프스팬이 더 많은 데이터를 수집할 수록, 자살률 감소를 위해 더 많은 일을 할 수 있다. 그린은 데이터 주도 방식의 이점을 제시한 프로젝트가 있고 강조했다. 예를 들어, 플로리다 주립 대학의 심리학자인 제시카 리베이로는 자살 예측에 머신러닝을 사용해 연구했다.

그린은 “자살이나 자살 시도를 80~90% 정도 성공적으로 예측하고 있다. 실제 시도 시점에 근접할 수록 예측의 정확도가 높아진다”고 설명했다.

그린은 SAS가 프로그램을 통합하는 데 도움을 줬다고 전했다. 라이프스팬이 데이터 환경을 구현하고, 데이터 전문가를 찾는 데 도움을 줬다.

그녀는 “동시에 여러 데이터 세트를 분석하려 시도한다. 이는 연결된 데이터 조사와는 다르다. 이는 서로 다른 레코드를 나열한 특정 프로젝트와 관련된 일이다. 이것이 때론 불가능할 수도 있다. 따라서 소프트웨어를 사용해 여러 데이터 세트에 같은 질문을 던지고 분석할 수 있어야 한다. 이렇게 하면 새로운 차원의 분석이 가능해진다”고 설명했다.

4개 장소에 4개월 간격으로 라이프스팬 프로그램을 운영 중이다. 첫 번째 장소는 뉴캐슬(Newcastle)이다. 장소별로 2년간 프로그램이 운영된다. 각 테스트 장소는 장기적으로 유지되는 전략을 만드는 책임을 진다.

그린은 ‘앞으로 2년간 프로세스 결과에서 변화를 확인할 수 있게 된다는 의미다. 또한 단계적으로 자살률이 감소할 것이다”고 설명했다.

그린을 고무시키는 것은 뉴렘버그(Nuremberg)에서 시행된, 유사한 ‘멀티-팩터(여러 요소를 이용한)’ 방식이 성공을 거둔 것이다. 구체적으로 자살률이 32% 감소하는 성과를 일궈냈다.

그녀는 “전략만 가지고 자살을 크게 줄일 수 없다. 체계적인 접근법과 공동체의 여러 참여자가 다양한 역할을 하고, 역량을 키워야 한다. 그러면 위험 징후가 있는 사람들을 찾아, 일찍 개입할 확률을 높일 수 있다. 이런 방법으로 자살을 방지할 수 있다. 우리는 증거를 갖고 있다. 이를 공유하고 적용만 하면 된다. 이 ‘열쇠’가 바로 데이터다”고 강조했다. ciokr@idg.co.kr
 



2017.09.07

'빅데이터 분석으로 자살 위험 징후 찾는다' 호주 정신건강연구소

Brad Howarth | CMO
대부분 데이터 전문가가 성장을 견인하는 과업을 맡고 있지만, 반대로 증가를 억제하는 일을 하는 경우도 있다. 정신건강 연구 조직인 블랙 독 인스티튜트(Black Dog Institute) 산하 라이프스팬(LifeSpan)의 디렉터인 레이첼 그린은 데이터를 활용해 최근 몇 년간 급증하고 있고, 2015년 사상 처음으로 3,000이라는 숫자를 넘어선 문제를 해결하려 하고 있다. 이 문제는 바로 ‘자살’이다.



그린은 “통계의 숫자 하나하나가 모두 사랑하는 사람, 가족, 지인, 동료 등에 영향을 미치는 사람이다. 자살을 시도하는 사람은 더 많다. 한 해 자살 시도만 약 7만 1,000건에 달하는 것으로 추산한다. 매우 심각한 문제다. 또 자살이 사회에 미치는 영향은 몇십 년간 계속될 수 있다”고 말했다.

그린은 현재 연간 자살률을 20% 내린다는 목표로 데이터 중심의 노력을 주도하고 있다. 라이프스팬은 CRESP(Centre for Research Excellence in Suicide Prevention) 및 분석 기술 공급업체인 SAS와 함께 전세계 자살 방지 연구 결과의 효과를 분석했다. 그리고 9개의 자살 방지 전략을 수립했다.

그린은 “사망 감소, 자살 시도 감소, 기타 입증 가능한 보호 요소를 증가시키는 연구 결과들이었다. 이를 통합해 유의미한 프레임워크를 만들었다. 우리는 이를 통해 자살과 자살 시도를 각각 20%와 31% 감소시킬 수 있을 것으로 전망하고 있다”고 설명했다.

이질적인 데이터 소스를 통합
현재 NWS의 4개 테스트 장소에 라이프스팬이 배포되고 있다. 장소를 선택하고 라이프스팬을 구현하기 위해서는 검시소 데이터, NSW COPS(Computerized Operational Policing Systems) 데이터, 구급차 데이터, 병원 데이터 등 여러 소스의 데이터를 분석해야 한다.

그린은 “호주국립대학교(ANU)와 함께 10년간 이런 데이터를 코딩하고, 지리적으로 연결했다. 클러스터(자살자 군집)가 발생하는 장소를 정확히 찾을 수 있게 되었다는 의미다. 아주 강력한 정보다. 예를 들어, 여러 건의 자살 사건이 발생한 물리적 장소를 찾고, 증거를 토대로 자살 확률을 낮출 인프라를 개선할 기회를 생각해 낼 수 있다. 이를 ‘수단의 제한(Means restriction)’이라고 부른다. 가장 효과적인 자살 방지 전략 중 하나다”고 설명했다.

그린은 이런 방법으로 이질적인 데이터 소스를 통합해 증거에 대한 이해가 미흡한 문제를 극복한다고 밝혔다.

그녀는 “의료 당국과 지방 정부 기관들도 해당 지역에서 일어날 일에 대한 좋은 정보를 입수해 이용할 수 없었다. 우리는 데이터를 분석, 이를 지리적으로 연결한 후 해당 지역에서 일어날 일에 대한 보고서를 만든다. 그리고 증거 기반의 자살 방지 서비스 보급에 대한 정보와 결합한 후 이들이 할 수 있는 일에 대한 증거에 첨부시킨다”고 이야기했다.

프로그램의 또 다른 구성 요소는 설문조사를 통한 정보 수집이다. 대상자는 자살을 생각하고 있는 사람과 자주 접촉하는 고령자 요양 시설, 사회 복지 시설, 정신 건강 서비스 분야 종사자들이다.

그린은 “우리는 고용주와 서비스 공급자로부터 이런 종류의 데이터를 수집하고 싶다. 위험이 존재하는 장소, 전문가가 위치한 장소를 찾고, 이 장소가 동일한지 파악하기 위해서다. 예를 들어, 지역에 자살 방지 관리 그룹을 만들어 자살 방지를 위한 더 효과적인 계획을 수립하고, 대책을 도입하고, 해당 지역의 필요 사항에 맞는 계획을 발전시키기 위해서다”고 설명했다.

라이프스팬은 증거 기반 교육훈련 과정인 QPR을 추진하고 있다. 위험 징후가 있는 사람을 파악하고, 이를 돕는 기술을 육성하는 교육훈련 과정이다.

그린은 “심폐소생술(CPR)처럼 기본적인 사항과 방법을 알려준다”고 설명했다.

---------------------------------------------------------------
세상을 바꾸는 빅 데이터
->의료와 빅 데이터의 만남, "치료 효과 ↑ 재입원 ↓"
-> '의료IT+빅 데이터 분석' 10가지 실제 사례
-> '빅 데이터로 나무 문제 해결' 뉴욕 시의 사례
-> 빅 데이터가 그려내는 의료 서비스의 미래
-> '빅 데이터 분석으로 퇴역군인 자살 예방' 뒤르켐 프로젝트
->'도시 빈민가의 탈태환골' 미 버팔로 시의 빅 데이터 활용 사례
-> 5가지 전지구적 문제 '빅 데이터로 해결할 수 있을까?'
->고객 접촉부터 타깃 마케팅까지··· 유통기업을 바꾸는 '빅 데이터와 모바일'
->'빅데이터로 교통체증 완화'... 中 지린시의 실험
---------------------------------------------------------------

데이터 주도의 사고를 더 넓게 도입해 활용
라이프스팬이 더 많은 데이터를 수집할 수록, 자살률 감소를 위해 더 많은 일을 할 수 있다. 그린은 데이터 주도 방식의 이점을 제시한 프로젝트가 있고 강조했다. 예를 들어, 플로리다 주립 대학의 심리학자인 제시카 리베이로는 자살 예측에 머신러닝을 사용해 연구했다.

그린은 “자살이나 자살 시도를 80~90% 정도 성공적으로 예측하고 있다. 실제 시도 시점에 근접할 수록 예측의 정확도가 높아진다”고 설명했다.

그린은 SAS가 프로그램을 통합하는 데 도움을 줬다고 전했다. 라이프스팬이 데이터 환경을 구현하고, 데이터 전문가를 찾는 데 도움을 줬다.

그녀는 “동시에 여러 데이터 세트를 분석하려 시도한다. 이는 연결된 데이터 조사와는 다르다. 이는 서로 다른 레코드를 나열한 특정 프로젝트와 관련된 일이다. 이것이 때론 불가능할 수도 있다. 따라서 소프트웨어를 사용해 여러 데이터 세트에 같은 질문을 던지고 분석할 수 있어야 한다. 이렇게 하면 새로운 차원의 분석이 가능해진다”고 설명했다.

4개 장소에 4개월 간격으로 라이프스팬 프로그램을 운영 중이다. 첫 번째 장소는 뉴캐슬(Newcastle)이다. 장소별로 2년간 프로그램이 운영된다. 각 테스트 장소는 장기적으로 유지되는 전략을 만드는 책임을 진다.

그린은 ‘앞으로 2년간 프로세스 결과에서 변화를 확인할 수 있게 된다는 의미다. 또한 단계적으로 자살률이 감소할 것이다”고 설명했다.

그린을 고무시키는 것은 뉴렘버그(Nuremberg)에서 시행된, 유사한 ‘멀티-팩터(여러 요소를 이용한)’ 방식이 성공을 거둔 것이다. 구체적으로 자살률이 32% 감소하는 성과를 일궈냈다.

그녀는 “전략만 가지고 자살을 크게 줄일 수 없다. 체계적인 접근법과 공동체의 여러 참여자가 다양한 역할을 하고, 역량을 키워야 한다. 그러면 위험 징후가 있는 사람들을 찾아, 일찍 개입할 확률을 높일 수 있다. 이런 방법으로 자살을 방지할 수 있다. 우리는 증거를 갖고 있다. 이를 공유하고 적용만 하면 된다. 이 ‘열쇠’가 바로 데이터다”고 강조했다. ciokr@idg.co.kr
 

X